Mengoptimumkan prestasi Node bermula dengan mengukur untuk mencari bottleneck sebenar — jangan sekali-kali meneka. Anda memprofil penggunaan CPU, event loop, dan memori, kemudian menerapkan pembetulan yang disasarkan. Peraturan emas: profil dahulu, optimumkan apa yang sebenarnya perlahan.
node --prof app.js
node --prof-process isolate-*.
npx clinic doctor -- node app.js
npx clinic flame -- node app.js
node --inspect app.js
Ini mendedahkan di mana masa pergi — flame graph menunjukkan fungsi mana yang menguasai CPU, supaya anda mengoptimumkan perkara yang betul.
// ❌ synchronous CPU-heavy work blocks ALL request handling
function handler(req, res) {
const result = heavyComputation(); // freezes the event loop → every request stalls
res.json(result);
}
Kerana Node adalah satu-thread untuk JS, sebarang operasi segerak yang panjang menyekat segala-galanya. Pantau lag event-loop (cth. perf_hooks monitorEventLoopDelay); lag yang meningkat bermakna sesuatu sedang menyekat loop. Betulkan dengan memunggah kerja CPU kepada worker threads atau baris gilir (queue).
✓ Fix N+1 database queries — the most common real bottleneck (batch/join instead)
✓ Add caching (in-memory/Redis) for repeated expensive operations
✓ Add database indexes for slow queries
✓ Use streams for large data instead of buffering it all in memory
✓ Parallelize independent async ops with Promise.all (avoid await waterfalls)
✓ Offload CPU-bound work to worker threads (keep the event loop free)
✓ Use connection pooling for DB/HTTP
✓ Enable gzip/brotli compression for responses
Many "Node is slow" problems are actually slow DB queries (N+1, missing indexes)
or external API latency — profiling reveals this so you fix the real cause.
npx autocannon http://localhost:3000 # measure requests/sec, latency before & after
Ukur sebelum dan selepas setiap perubahan supaya anda mengesahkan pengoptimuman itu benar-benar membantu.
Kerja prestasi hanya berkesan apabila ia dipandu oleh pengukuran — mengoptimumkan perkara yang salah membazirkan usaha dan menambah kerumitan.
Mengetahui cara memprofil (clinic.js/flame graphs/DevTools untuk CPU, pemantauan lag event-loop, analisis heap) membolehkan anda mencari bottleneck sebenar, yang dalam Node selalunya ialah event loop yang tersekat (betulkan dengan worker threads) atau pertanyaan pangkalan data yang perlahan (N+1, indeks yang hilang — selalunya punca sebenar).
Digabungkan dengan caching, streaming, keselarian, dan pooling — serta pengesahan dengan ujian beban — disiplin ukur-kemudian-betulkan inilah yang mengubah perkhidmatan yang lembap menjadi pantas dan boleh berskala.